基于柔顺控制的四足导盲机器人控制方法及系统

技术领域

本发明属于导盲机器人技术领域，尤其涉及一种基于柔顺控制的四足导盲机器人控制方法及系统。

背景技术

导盲犬是一种传统的辅助工具，被广泛应用于帮助视力障碍者进行导航和移动。然而，训练一只合格的导盲犬费时费力，且成本昂贵。此外，由于需求量大且供给有限，导致许多视力障碍者无法获得这种有价值的辅助工具。随着机器人技术的快速发展，导盲机器人作为一种代替解决传统导盲犬的解决方案，已经显示出在辅助视力障碍者导航方面的巨大潜力。导盲机器人具备人工智能、感知和导航能力，能够识别环境、规划路径并与用户进行交互。相比于传统导盲犬，导盲机器人具有许多优势，包括灵活性、可定制性和成本效益。然而，在当前市场上，导盲机器人的研发和商业化进程仍然相对滞后。目前导盲机器人系统的设计和技术依然面临很多挑战，如准确定位、环境感知和人机交互等方面。

发明人发现，在人机交互方面，现有的导盲机器人很少注意到在导引过程中人与机器人互动，以及对用户意图的理解。在实际应用中，导盲机器人需要理解用户的意图和需求，以提供适当的帮助和支持；用户可以提供关于导航过程中的困难或改进建议的反馈，机器人可以根据这些反馈进行调整和改进，以提供更好的导航体验；通过与用户进行交互，机器人可以获取用户的指示或请求，并根据用户的意图做出相应的动作；例如，当用户行走速度减缓时，机器人能够理解到该意图并同步的减缓自身的速度。目前，导盲机器人大多采用语音提示、指令、手势和触觉反馈等方法进行交互，但这些方法与用户进行交互时存在缺点，比如，难以预测用户意图：导盲机器人难以准确理解用户的意图和需求，由于视障人士的需求和偏好各不相同，机器人无法完全满足每个用户的个性化要求，导致机器人提供的导引方式与用户的偏好不符，使得用户体验不佳；灵活性和适应性差：尽管导盲机器人可以使用传感器和算法来感知环境并规划路径，但在面对复杂、动态或不可预测的环境时缺乏灵活性和适应性，机器人无法应对突发状况或变化的路况，导致引导不准确或产生冲突；语音提示会出现语音识别准确性不高，且语音指示过于频繁或复杂导致信息过载，以及在嘈杂环境中语音提示不易听清等问题；触觉反馈受限于信息传递的准确性和细节，用户需要适应并理解不同的触觉信号。

发明内容

本发明为了解决上述问题，提出了一种基于柔顺控制的四足导盲机器人控制方法及系统，通过感知用户施加的牵引力来实现与用户的交互；用户可以通过感知牵引力的变化来跟踪机器人的运动轨迹，也可以通过对机器人施加力来操纵机器人的运动；同时，还可以规划安全路径，确保用户在跟随机器人时不会与障碍物发生碰撞，机器人在沿着规划路径到达目标时不断与用户互动，提供了舒适的体验。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明提供了一种基于柔顺控制的四足导盲机器人控制方法，包括：

建立当前环境下的增量地图；

对所述增量地图进行膨胀处理，得到膨胀地图；基于路径规划算法在所述膨胀地图上确定从起点到目的地的无碰撞路径，得到安全路径；

以牵引力为基础，将用户和机器人的交互过程等效为质量-弹簧-阻尼模型，通过所述质量-弹簧-阻尼模型控制四足导盲机器人在安全路径中行走。

进一步的，建立增量地图，生成反映当前环境的栅格地图；对所述栅格地图进行碰撞得到膨胀地图。

进一步的，搜索到的不会穿越膨胀后被占用栅格的路径为安全路径。

进一步的，膨胀处理是通过在障碍物周围增加预设的安全距离来创建一个安全的区域。

进一步的，机器人在地图中的定位包括：初始化机器人的粒子滤波器，使粒子均匀分布在环境中，更新粒子的位置；评估每个粒子的权重，根据粒子的权重，执行重采样步骤；重采样根据权重对粒子进行抽样，权重越高的粒子被选中的概率越大，根据重采样后的粒子，确定机器人的最终位置。

进一步的，路径规划算法进行路径规划包括：

将起始点作为探索树的唯一节点，并建立起点到节点的边；设定目标点作为终点；

随机生成一个随机节点，代表机器人在膨胀地图内的可能位置；从探索树中找到距离随机节点最近的节点作为新节点的父节点；检查新节点与其父节点之间的路径是否与膨胀地图中的障碍物相交，若不相交，则添加该新节点到探索树，并建立新节点与其父节点之间的边；

如果终点位于探索树中，从终点开始，通过父节点指针一直回溯到起点，提取出安全路径。

进一步的，建立弹簧—质量—阻尼模型时，建立机器人位移与牵引力的关系，通过调节惯性、阻尼和刚度参数实现调整机器人位置与牵引力的关系。

第二方面，本发明还提供了一种基于柔顺控制的四足导盲机器人控制系统，包括：

地图建立模块，被配置为：建立当前环境下的增量地图；

路径规划模块，被配置为：对所述增量地图进行膨胀处理，得到膨胀地图；基于路径规划算法在所述膨胀地图上确定从起点到目的地的无碰撞路径，得到安全路径；

控制模块，被配置为：以牵引力为基础，将用户和机器人的交互过程等效为质量-弹簧-阻尼模型，通过所述质量-弹簧-阻尼模型控制四足导盲机器人在安全路径中行走。

第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的基于柔顺控制的四足导盲机器人控制方法的步骤。

第四方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的基于柔顺控制的四足导盲机器人控制方法的步骤。

与现有技术相比，本发明的有益效果为：

本发明中基于路径规划算法在膨胀地图上搜索从起点到目的地的无碰撞路径，得到安全路径，确保用户在跟随机器人时不会与障碍物发生碰撞；通过感知用户施加的牵引力来实现与用户的交互，具体的，以牵引力为基础，将用户和机器人的交互过程等效为质量-弹簧-阻尼模型，通过所述质量-弹簧-阻尼模型控制四足导盲机器人在安全路径中行走，使得用户在通过感知牵引力的变化来跟踪机器人运动轨迹的同时，也可以通过对机器人施加力来操纵机器人的运动，可以根据不同用户意图和偏好来控制机器人，满足了每个用户的个性化要求；并且以牵引力作为人机交互的基础，解决了以语音提示和触觉反馈方式控制机器人时存在的缺点，机器人在沿着规划的安全路径到达目标时不断与用户互动，提供了舒适的体验。

附图说明

构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。

图1为本发明实施例1的系统框架；

图2为本发明实施例1的俯视图下的参数示意图；

图3为本发明实施例1的主视图下的参数示意图；

图4为本发明实施例1的质量-弹簧-阻尼模型；

图5为本发明实施例1的柔顺控制方框图；

图6为本发明实施例1的基于柔顺控制的导盲算法流程图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

实施例1：

目前，导盲机器人大多采用语音提示、指令、手势和触觉反馈等方法进行交互，存在、难以预测用户意图和灵活性和适应性差等问题；并且，语音提示会出现语音识别准确性不高，且语音指示过于频繁或复杂导致信息过载，以及在嘈杂环境中语音提示不易听清等问题；触觉反馈受限于信息传递的准确性和细节，用户需要适应并理解不同的触觉信号。为了解决上述问题，本实施例提供了一种基于柔顺控制的四足导盲机器人控制方法，包括：

建立当前环境下的增量地图；

对所述增量地图进行膨胀处理，得到膨胀地图；基于路径规划算法在所述膨胀地图上确定从起点到目的地的无碰撞路径，得到安全路径；

以牵引力为基础，将用户和机器人的交互过程等效为质量-弹簧-阻尼模型，通过所述质量-弹簧-阻尼模型控制四足导盲机器人在安全路径中行走。

可以理解的，基于路径规划算法在膨胀地图上搜索从起点到目的地的无碰撞路径，得到安全路径，确保用户在跟随机器人时不会与障碍物发生碰撞；通过感知用户施加的牵引力来实现与用户的交互，具体的，以牵引力为基础，将用户和机器人的交互过程等效为质量-弹簧-阻尼模型，通过所述质量-弹簧-阻尼模型控制四足导盲机器人在安全路径中行走，使得用户在通过感知牵引力的变化来跟踪机器人运动轨迹的同时，也可以通过对机器人施加力来操纵机器人的运动，可以根据不同用户意图和偏好来控制机器人，满足了每个用户的个性化要求；并且以牵引力作为人机交互的基础，解决了以语音提示和触觉反馈方式控制机器人时存在的缺点，机器人在沿着规划的安全路径到达目标时不断与用户互动，提供了舒适的体验。

为了实现四足导盲机器人的控制，如图1所示，在一些实施例中提供了一种四足导盲机器人的控制系统，具体的，该系统包括地图构建模块、机器人定位模块、路径规划模块和柔顺控制模块四个模块。为了规划一条能够引导机器人和用户到达目的地的路径，需要在本地读取预存地图或在机器人移动过程中创建增量地图。地图构建模块逐步生成反映当前环境的占用栅格地图，比读取预存地图更加灵活。机器人定位模块提供机器人在世界坐标系中的位置。路径规划模块旨在为机器人计算无碰撞路径。由于视障人士无法感知到到来的障碍物，路径规划模块还需确保用户在跟随机器人到目的地的过程中不会与环境中的障碍物发生碰撞。地图构建模块、机器人定位模块和路径规划模块的组合使机器人能够实现自主导航。柔顺控制模块是交互策略的关键部分，将人机交互过程转化为质量-弹簧-阻尼(Mass-Spring-Damper，MSD)模型，通过适当调节MSD模型的参数可以实现舒适的交互策略。

所述地图构建模块的主要功能是利用传感器数据和算法在未知环境中实时生成地图。地图构建是机器人导航和定位的基础，使机器人能够理解和感知周围的环境，从而做出决策和规划路径。可选的，机器人地图模块的工作过程如下：

传感器数据采集：可以使用各种传感器，如激光雷达、摄像头和超声波传感器等，获取环境的感知数据；这些传感器可以提供距离、深度、颜色和纹理等信息。

特征提取和感知：可以利用传感器数据进行特征提取和感知，识别环境中的物体、障碍物和墙壁等特征。

数据关联和建图：比较连续帧之间的特征点或特征描述子的匹配，将不同时间步的传感器数据关联起来；这些关联数据可以用来建立或更新地图。

地图表示：通过选择适当的地图表示方法，将感知到的环境信息转化为可视化或数据结构化的地图。常见的地图表示包括栅格地图、拓扑图和三维点云地图等。

地图融合和更新：在地图构建过程中，机器人不断接收新的传感器数据，并将其与已有的地图数据进行融合和更新；这可以通过滤波器、优化算法等方法来减小误差并提高地图的准确性。

评估和优化：机器人地图构建完成后，需要对生成的地图进行评估和优化，以确保地图的质量和一致性；优化地图的拓扑结构通常采用图优化技术，通过将传感器数据建模成图形结构，其中节点表示传感器的位姿，边表示传感器之间的相对关系，进行最优化计算。

在地图构建过程中，可选的算法和技术包括基于地标的地图构建、基于激光雷达的地图构建和基于视觉的地图构建等，本实施例中可以使用多种地图构建方法。

所述自主定位模块的主要功能是通过传感器数据和地图信息，确定机器人在环境中的准确位置和姿态。机器人定位是机器人导航和路径规划的基础，它为机器人提供了自身位置信息，以便引导使用者到正确的位置并避免碰撞。可选的，该模块使用了AMCL(Adaptive Monte Carlo Localization)定位算法融合激光雷达和惯性测量单元的观测数据进行定位，以提高定位的准确性和稳定性。可选的，该所述自主定位模块的工作过程如下：

初始化：首先，需要初始化机器人的粒子滤波器，使粒子均匀分布在环境中；粒子代表机器人在环境中的可能位置。

运动更新：当机器人移动时，执行运动更新步骤。通过将每个粒子根据机器人运动模型进行采样和预测，更新粒子的位置；这可以通过添加运动噪声或使用里程计数据进行实现。

感知更新：机器人通过传感器感知环境，并将激光雷达数据与地图的匹配或视觉特征的匹配，以评估每个粒子的权重；较好匹配的粒子将获得更高的权重，而匹配较差的粒子将获得较低的权重。

重采样：根据粒子的权重，执行重采样步骤；重采样根据权重对粒子进行抽样，权重越高的粒子被选中的概率越大；这样，具有更高权重的粒子将得到更多的复制，而具有较低权重的粒子将被淘汰。

估计机器人位置：根据重采样后的粒子，可以计算机器人的最终位置估计；可以采用计算粒子的加权平均值方法，以确定机器人在地图中的位置。

循环：重复执行运动更新、感知更新、重采样和位置估计的步骤至收敛。

所述路径规划模块是四足导盲机器人系统的一个重要部分。所述路径规划模块允许机器人从起始位置到目标位置，而不会与障碍物发生碰撞。对于导盲机器人来说，对路径规划模块还有一个额外的要求：由于视障人士无法避开到达的障碍物，路径规划的核心作用是确保用户能够在不发生碰撞的情况下到达目的地，这可以通过地图膨胀来解决。膨胀是通过在障碍物周围增加一定的安全距离来创建一个安全的区域。膨胀操作可以使用固定半径的圆形来表示障碍物的边界，称之为碰撞半径。定义膨胀半径为公式(1)，各变量含义如图2和图3所示。

r

其中，l为连接机器人和使用者的导盲杆的长度；w为四足机器人最小外接矩形的长度；r

得到碰撞地图后，可以使用基于RRT(Rapidly Exploring Random Tree)的路径规划算法在膨胀地图上搜索机器人的可行路径。RRT算法的核心思想是通过随机采样和快速探索来生成一棵探索树，使得在规定时间内，尽量多地覆盖可行空间。在膨胀地图中，RRT算法的步骤如下：

初始化：将起始点作为探索树的唯一节点，并建立起点到该节点的边。设定目标点作为终点。

迭代：不断重复以下步骤，直到达到迭代次数或找到有效路径：随机采样：随机生成一个节点，该节点代表了机器人在膨胀地图内的可能位置。最近邻搜索：从探索树中找到距离该随机节点最近的节点，将其作为新节点的父节点。路径验证：检查新节点与其父节点之间的路径是否与膨胀地图中的障碍物相交，若不相交，则添加该新节点到探索树，并建立新节点与其父节点之间的边。

路径提取：如果终点位于探索树中，可以从终点开始，通过父节点指针一直回溯到起点，提取出有效路径。

采用RRT算法，具有快速的探索能力，能够在高维、复杂环境下快速找到可行路径。通过结合膨胀地图，RRT算法还可以考虑机器人尺寸和避障需求，最终从碰撞地图中搜索出的有效路径对导盲机器人和其用户来说都是一条安全的路径。

在所述柔顺控制模块中，如图4所示，为质量-弹簧-阻尼模型，具体的，柔顺控制将被控对象和环境看作统一的整体，其控制原理是通过将机器人与环境的接触过程等效为弹簧-质量-阻尼模型，建立机器人位移与接触力的关系，并通过调节惯性、阻尼和刚度参数实现调整机器人位置与接触力的关系。图4中，M

在实际使用过程中，需要修改参数M

所述柔顺控制器模块的详细框图显示在图5所示。可选的，所述柔顺控制模块由一个位置控制的内环和一个导纳控制的外环组成。外环产生一个期望的位置反馈给内环，如果机器人的位置被内环精确控制，系统将逐渐转移到期望状态。我们假设，当机器人和用户之间的力为零时，系统处于理想的舒适状态，这意味着在我们的控制器中F

综上，本实施例为了实现提高导盲过程的舒适性，提出了一种基于柔顺控制的四足导盲机器人的交互策略，使用户更舒适地接受引导。机器人可以配备力传感器，通过感知用户施加的牵引力来实现与用户的交互。用户可以通过感知牵引力的变化来跟踪机器人的运动轨迹，也可以通过对机器人施加力来操纵机器人的运动。该机器人可以规划一条安全的路径，确保用户在跟随机器人时不会与障碍物发生碰撞。然后，机器人在沿着规划好的路径到达目标时不断与用户互动，以提供舒适的体验。

本实施例中，基于柔顺控制的交互策略，使得机器人在引导过程中注意到人与机器人之间的互动力。通过将人机交互过程等效为质量-弹簧-阻尼模型，实现了舒适而有效的人机交互，减少了用户在引导过程中的不愉快体验。用户可以通过感知牵引力的变化来跟踪机器人的运动轨迹，或者通过对机器人施加力来操纵机器人的运动；这种交互方式使用户能够更直观地参与引导过程，提高了用户的控制感和参与感。四足导盲机器人系统集成了自主导航算法和路径规划模块；系统可以读取预存地图或实时创建增量地图，生成反映当前环境的占用栅格地图；路径规划模块利用地图信息计算出一条安全的路径，确保用户在跟随机器人到达目的地的过程中避免与障碍物碰撞。为了满足视障人士的安全需求，路径规划模块采用了地图膨胀的方法；通过对从地图构建模块得到的栅格地图进行碰撞得到膨胀地图，随后使用基于RRT的路径规划算法在膨胀地图上搜索从起点到目的地的路径，搜索到的不会穿越膨胀后被占用栅格的路径对导盲机器人和其使用者来说都是一条安全的路径。通过整合柔顺控制策略、自主导航和路径规划功能，能够在与用户的互动中提供舒适的引导体验；机器人通过持续与用户的互动，在遵循规划好的路径的同时提供舒适感，使用户在引导过程中感到更加轻松和舒适。

实施例2：

在公共场所，如商场、机场和医院等，盲人需要导盲机器人的帮助来引导他们安全地到达目的地。基于舒适性的四足导盲机器人控制技术能够根据盲人的行走速度和姿态，提供舒适的交互体验。假设导盲机器人被部署在地铁站或火车站等公共交通场所，为视障人士提供导引和支持；机器人需要根据用户的需求和环境情况，柔顺地引导用户从起点到达目的地；基于此，本实施例提供了一种基于柔顺控制的四足导盲机器人控制方法，可选的，具体控制方法如下：

S1、可以通过激光雷达Velodyne获取反应当前工作环境的三维点云。

S2、对三维点云数据进行滤波和分割，以去除噪声和提取环境中的障碍物信息。

S3、可以使用Cartographer地图构建算法处理三维点云数据，逐步生成占用栅格地图，反映当前环境的障碍物和可行区域。

S4、可以利用AMCL定位技术估计机器人在世界坐标系中的位置和姿态。

S5、基于地图信息和机器人定位结果，可以使用基于RRT的路径规划算法在膨胀后的地图上计算一条从起点到目标位置无碰撞的路径。

S6、将人机交互过程转化为质量-弹簧-阻尼模型。

S7、可以利用力传感器获取机器人和用户之间的牵引力。

S8、调节MSD模型的参数(阻尼和弹簧刚度参数)，以控制机器人的运动响应速度和稳定性。

S9、可以根据牵引力的振幅计算机器人的速度以实现舒适的交互策略。

S10、可以根据柔顺控制模块提供的指令，控制机器人按照规划好的路径执行运动。

S11、实施轮式移动机器人的速度和转向控制，以确保平稳的运动。

S12、在执行路径时，可以根据激光雷达实时进行碰撞检测和避障，以避免与环境中的障碍物发生碰撞。

该柔顺控制方法使导盲机器人能够根据用户的需求和环境变化，以舒适和稳定的方式引导用户到达目的地，同时避免与障碍物碰撞。通过地图构建模块、机器人定位模块、路径规划模块和柔顺控制模块的集成，机器人实现了自主导航和与用户的舒适交互。

本实施例中控制方法的详细内容与实施例1的基于柔顺控制的四足导盲机器人控制方法相同，这里不再赘述。

实施例3：

本实施例提供了一种基于柔顺控制的四足导盲机器人控制系统，包括：

地图建立模块，被配置为：建立当前环境下的增量地图；

路径规划模块，被配置为：对所述增量地图进行膨胀处理，得到膨胀地图；基于路径规划算法在所述膨胀地图上确定从起点到目的地的无碰撞路径，得到安全路径；

控制模块，被配置为：以牵引力为基础，将用户和机器人的交互过程等效为质量-弹簧-阻尼模型，通过所述质量-弹簧-阻尼模型控制四足导盲机器人在安全路径中行走。

所述系统的工作方法与实施例1的基于柔顺控制的四足导盲机器人控制方法相同，这里不再赘述。

实施例4：

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了实施例1所述的基于柔顺控制的四足导盲机器人控制方法的步骤。

实施例5：

本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了实施例1所述的基于柔顺控制的四足导盲机器人控制方法的步骤。

以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。